-
公开(公告)号：CN120010253A
公开(公告)日：2025-05-16
申请号：CN202510120490.7
申请日：2025-01-25
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向环绕警戒的船舶空海协同任务制导与增益自适应控制方法，包括：构建混合阶的船舶‑无人机非线性系统模型；设定航路点路径规划参考路径，产生船舶参考信号；获取船舶的实时位置和无人机环绕半径，结合虚拟无人机产生无人机参考信号；根据参考信号定义船舶‑无人机的运动学误差，设计虚拟控制律；引入动态面技术，获取虚拟控制律的动态面信号，定义动力学误差；使用径向基函数神经网络和最小学习参数技术对船舶‑无人机系统的非线性项进行逼近，引入MLP技术对外界干扰进行化简，设计预设性能控制律和执行器增益的自适应律，实现对无人机环绕警戒任务下的路径跟踪控制；本发明能够保证控制精度、降低控制器设计复杂度，充分发挥无人机机动性，实现船舶和无人机执行环绕警戒任务的目标。
-
公开(公告)号：CN119472314B
公开(公告)日：2025-05-13
申请号：CN202510065556.7
申请日：2025-01-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种压载水热处理系统的时空一体化控制方法，包括获取用于压载水热处理的缸套水热源多级串联处理系统，以简化获取等效的平推流反应器模型；获取等效的平推流反应器模型的时空温度数据，并根据时空温度数据构建压载水热处理的最优温度时空模型；根据最优温度时空模型构建用于控制加热压载水温度的非线性预测控制器。本发明解决了现有的热处理技术没有有效地考虑到船舱空间分配、能源有效利用等实际因素，现有的建模方法存在线性假设限制、局部结构保持不足，且不能充分挖掘压载水热处理处理过程中的非线性特征和不确定性因素，以探索温度波动与微生物浓度变化间的联系的问题，导致不能有效实现对压载水热处理系统的控制精度与效率。
-
公开(公告)号：CN119270849B
公开(公告)日：2025-04-04
申请号：CN202411381190.6
申请日：2024-09-30
Applicant: 大连海事大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种面向冰区航行任务的船舶智能路径规划与控制方法，通过船舶路径规划区域的威胁浮冰的状况，获取船舶的期望艏向角，以此来进行船舶控制律的设计，获取船舶的实际控制输入，以完成面向冰区航行任务的船舶智能路径规划与控制。本发明针对船舶极地冰区自主航行规划与路径跟踪控制问题，通过浮冰障碍区域规划技术，对不规则几何体的极低浮冰，合理的规划障碍区域，对后续的路径规划起到了重要作用；同时根据所设计的控制律，使得船舶能够迅速且安全地驶离冰区，本发明中针对大型船舶本身具有大惯性、长时滞、强耦合等特点，在极地浮冰区域对路径跟踪的控制精度高。
-
公开(公告)号：CN119440101A
公开(公告)日：2025-02-14
申请号：CN202510035119.0
申请日：2025-01-09
Applicant: 大连海事大学
IPC: G05D1/698 , G05D1/686 , G05B13/02 , G05D109/30
Abstract: 本发明公开了一种基于强化学习的多无人船编队围捕控制方法，包括构建受环境干扰影响的多无人船运动系统，构建围捕编队误差变量；基于围捕编队误差变量，采用反步法构建无人船的虚拟控制器；基于强化学习方法结合神经网络构建领导船编队围捕控制器；基于自适应反步方法结合李亚普诺夫理论与神经网络，构建跟随船编队围捕控制器；根据领导船编队围捕控制器与跟随船编队围捕控制器，实现对目标船舶的编队围捕控制。解决了在多无人船编队高效执行围捕任务过程中遭受风、浪、流等复杂海洋环境的干扰，使得多无人船控制性能不足的问题，无法充分体现追逐无人船之间的协同合作关系，造成多无人船编队控制困难，难以以尽可能小的代价实现控制的问题。
-
公开(公告)号：CN118963133A
公开(公告)日：2024-11-15
申请号：CN202411043432.0
申请日：2024-07-31
Applicant: 大连海事大学 , 大连海大智龙科技有限公司 , 上海交通大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑执行性能差异的船舶动力定位事件触发控制方法，根据三自由度非线性全驱动船舶数学模型，获取系统输出误差信号矢量；以基于多端口事件触发机制，获取误差触发值；进而构建虚拟控制律，并基于动态面技术，确定一阶滤波器；最终获得实际控制律向量，实现对船舶动力定位事件触发的控制。本发明能够解决执行性能差异问题中的船舶动力定位自适应控制方法，通过引用多端口事件触发机制，降低系统的信号传输压力；同时还考虑了执行器的执行性能差异，通过设计的执行器关联系数自适应律不断补偿未知的差异和执行器增益，使得本发明更接近于航海实际和工程应用，对智能化动力定位船舶走向工程应用具有理论指导意义。
-
Patent Agency Ranking
公开(公告)号：CN117030118B
公开(公告)日：2024-08-27
申请号：CN202310846915.3
申请日：2023-07-11
Applicant: 大连海事大学
Abstract: 本发明公开了一种船舶可变位置载荷定位信息的数字化便携采集装置，包括壳体、触摸屏和主板，所述主板包括定位处理器、电子罗盘、红外测距传感器、陀螺仪、RTK‑GPS卫星基带模块、RTK‑GPS天线、无线局域网通信芯片、电池管理芯片、内置硬盘、图像处理芯片、内存和电池。本发明对载荷坐标的自动采集，避免了传统船舶作业中人工采集载荷位置信息过程中可能出现的人为失误，同时通过使用能够提供高精度动态位置数据(RTK‑GPS)的卫星基带模块和无线局域网(WIFI)通信芯片，显著提高了数据测量的精度及传输效率，降低数据传递的错误几率，减少数据经手节点，对可变载荷的变化进行记录，方便对历史记录进行查询以数据分析。
-
公开(公告)号：CN118331270A
公开(公告)日：2024-07-12
申请号：CN202410493170.1
申请日：2024-04-23
Applicant: 大连海事大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种面向船舶轨迹重现任务的高精度路径跟踪控制方法，所述方法包括以下步骤：基于AIS数据的航路点，根据逻辑虚拟船LVS获取虚拟参考路径；基于虚拟参考路径，根据逻辑虚拟船LVS的数学模型与USV的非线性数学模型获取USV制导律；基于跟踪距离判定策略，根据USV制导律获取USV虚拟控制律，以获取动态面信号导数；根据获取的动态面信号导数获取USV控制器的中间变量，并采用迭代控制技术根据中间变量构建USV容错控制器；根据USV容错控制器控制USV对虚拟参考路径进行实时路径跟踪控制。本发明解决了传统的制导算法的参考路径无法对短距离或不规则产生的航路点进行路径跟踪任务；且现有的控制算法仅适用于开阔水域的船舶路径跟踪，无法满足某些特定水域的高跟踪精度需求，此外船舶路径跟踪过程中可能会存在输入饱和或者计算负载过大的问题，从而导致执行器发生故障，这也成为了亟待解决的问题。
-
公开(公告)号：CN116822336B
公开(公告)日：2024-04-09
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
公开(公告)号：CN117055578A
公开(公告)日：2023-11-14
申请号：CN202311224906.7
申请日：2023-09-21
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明公开了一种低设计复杂需求的USV‑UAV协同路径跟踪控制方法，与现有技术相比，避免了引入神经网络技术造成的设计复杂度问题，降低了USV‑UAV协同控制方法的设计复杂度，有效增强了USV‑UA异构智能体在海洋工程实践中的适用性；同时针对USV与UAV的位置误差与姿态误差设计动态事件触发机制，基于位置/姿态误差的触发阈值动态更新规则，阈值参数可以动态调整，避免了人为设置阈值参数的限制，大大提高了系统控制命令的传输频率。
-
公开(公告)号：CN116822336A
公开(公告)日：2023-09-29
申请号：CN202310643506.3
申请日：2023-06-01
Applicant: 大连海事大学 , 广东海洋大学 , 上海船舶运输科学研究所有限公司
Abstract: 本发明提供了一种多模型组合的潮汐预报方法，涉及潮汐预报技术领域，包括如下步骤：S1、采集目标点位及附近点位的实测潮汐及水文气象要素数据；S2、利用调和分析法建立调和预报模型，获得第一预报结果；S3、建立带外部输入的潮汐预报自回归偏最小二乘模型，获得第一预报结果；S4、基于多尺度分解建立变结构神经网络预报模型，计算所述第一预报结果与实际潮汐的差值部分；将差值部分利用变结构神经网络预报模型进行辨识和预报，获得第二预报结果；S6、将第一预报结果与第二预报结果相加，得到最终潮汐预报结果。本发明充分利用线性预报方法鲁棒性强的优点和神经网络等非线性预报方法自适应、非线性的优点，能在保证稳定性的同时提高预报的精度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
